转载 GitHub 上 57 款最流行的开源深度学习项目

陆勤 2016-12-06 2487 0 0

本文整理了 GitHub 上最流行的 57 款深度学习项目（按 stars 排名）。最后更新：2016.08.09 ### 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的自动分 化（auto-differentiation）。通过灵活的 Python 接口，要在 TensorFlow 中表达想法也会很容易。  ### 2.Caffe Stars：11799 Caffe是一个高效的开源深度学习框架。由表达式，速度和模块化组成。 ### 3.Neural style Stars：10148 Torch实现的神经网络算法。 Neural style 是让机器模仿已有画作的绘画风格来把一张图片重新绘制的算法。  ### 4.deepdream Stars：9042 Deep Dream，一款图像识别工具 ### 5.Keras Stars：7502 一款Python实现的深度学习库，包括卷积神经网络、递归神经网络等。运行在Theano和TensorFlow之上。 Keras是一个极简的、高度模块化的神经网络库，采用Python（Python 2.7-3.5.）开发，能够运行在TensorFlow和Theano任一平台，好项目旨在完成深度学习的快速开发。 ### 6.RocAlphaGo Stars：7170 学生主导的一个独立项目，从新实现了 DeepMind在2016 Nature发表的内容， 《用深度神经网络和树搜索学习围棋》 (Nature 529, 484-489, 28 Jan 2016). ### 7.TensorFlow Models Stars：6671 基于TensorFlow开发的模型 ### 8.Neural Doodle Stars：6275 运用深度神经网络将涂鸦变为优雅的艺术品，从照片生成无缝纹理，转变图片风格，进行基于实例的提升，等等…还有更多！（语义风格传递的实现）  ### 9.CNTK Stars：5957 深度学习工具包 。来自微软公司的CNTK工具包的效率，“比我们所见过的都要疯狂”。 这部分归功于CNTK可借助图形处理单元（GPU）的能力，微软自称是唯一公开“可扩展GPU”功能的公司。（从单机上的1个、延伸至超算上的多个） 在与该公司的网络化GPU系统（称之为Azure GPU Lab）匹配之后，它将能够训练深度神经网络来识别语音，让Cortana虚拟助理的速度达到以前的十倍。 ### 10.TensorFlow Examples Stars：5872 适合初学者的 TensorFlow 教程和代码示例，做了相关笔记和代码解释。 ### 11.ConvNet JS Stars：5231 ConvNetJS 是用 JavaScript 实现的神经网络，同时还有基于浏览器的 demo。 ### 12.Torch Stars：5133 Torch7，深度学习库。 Torch7 是一个科学计算框架，支持机器学习算法。易用而且提供高效的算法实现，得益于 LuaJIT 和一个底层的 C 实现。 ### 13.OpenFace Stars：4855 基于深度学习网络的面部识别。 ### 14.MXNet Stars：4685 轻巧、便携、灵活的分布式/移动深度学习框架，支持Python, R, Julia, Scala, Go, Javascript等等语言。 MXNet是一款设计为效率和灵活性的深度学习框架。它允许你混合符号编程和命令式编程，从而最大限度提高效率和生产力。在其核心是一个动态的依赖调度，它能够自动并行符号和命令的操作。一个图形优化层，使得符号执行速度快，内存使用高效。这个库便携，轻量，而且能够扩展到多个GPU和多台机器。  ### 15.Theano Stars：4286 Theano 是一个 Python 库，用来定义、优化和模拟数学表达式计算，用于高效的解决多维数组的计算问题。 ### 16.Leaf Stars：4281 黑客的开源机器智能框架。  ### 17.Char RNN Stars：3820 多层递归神经网络的字符级别语言模型，基于Torch开发。 ### 18.Neural Talk Stars：3694 NeuralTalk是一个Python+numpy项目，用多模式递归神经网络描述图像。 ### 19.deeplearning4j Stars：3673 基于Hadoop 和 Spark的Java, Scala & Clojure深度学习工具。 Deeplearning4j（简称DL4J）是为Java和Scala编写的首个商业级开源分布式深度学习库。DL4J与Hadoop和Spark集成，为商业环境（而非研究工具目的）所设计。Skymind是DL4J的商业支持机构。 Deeplearning4j 技术先进，以即插即用为目标，通过更多预设的使用，避免太多配置，让非研究人员也能够进行快速的原型制作。DL4J同时可以规模化定制。DL4J遵循Apache 2.0许可协议，一切以其为基础的衍生作品均属于衍生作品的作者。 ### 20.TFLearn Stars：3368 深度学习库，包括高层次的TensorFlow接口。 ### 21.TensorFlow Playground Stars：3352 神经网络模型示例。 ### 22.OpenAI Gym Stars：3020 一种用于开发和比较强化学习算法的工具包。 ### 23.Magenta Stars：2914 Magenta: 音乐和艺术的生成与机器智能 Google Brain团队的一组研究人员发布了一个项目Project Magenta，其主要目标是利用机器学习创作艺术和谱写曲子。Project Magenta使用了 TensorFlow系统，研究人员在GitHub上开源了他们的模型和工具。 研究人员称，机器生成的音乐已经存在了许多年，但它们在都缺乏长的叙事艺术。Project Magenta就试图将故事作为机器生成音乐的重要部分。Google公布了一个DEMO（MP3）表现Magenta项目的成果。 ### 24.Colornet Stars：2798 用神经网络模型给灰度图上色。 ### 25.Synaptic Stars：2666 基于node.js和浏览器的免架构神经网络库。 ### 26.Neural Talk 2 Stars：2550 Torch开发的图像简介生成代码，运行在GPU上。 ### 27.Image Analogies Stars：2540 使用神经匹配和融合生成相似图形。 ### 28.TensorFlow Tutorials Stars：2413 Tensorflow，从基础原理到应用。 ### 29.Lasagne Stars：2355 基于Theano训练和构建神经网络的轻型函数库。 ### 30.PyLearn2 Stars：2153 基于Theano的机器学习库。 ### 31.LISA-lab Deep Learning Tutorials Stars：2134 深度学习教程笔记和代码。详情参见wiki页面。 ### 32.Neon Stars：2121 Nervana™开发的一款快速、可扩展、易上手的Python深度学习框架. neon 是 Nervana System 的深度学习软件。根据Facebook一位研究者的基准测试，Nervana的软件比业界知名的深度学习工具性能都要高，包括Facebook自己的Torch7和Nvidia的cuDNN。 ### 33.Matlab Deep Learning Toolbox Stars：2032 Matlab/Octave的深度学习工具箱。包括深度信念网络、自动编码机、卷积神经网络、卷积自动编码机和vanilla神经网络等。每种方法都有入门示例。 ### 34.Deep Learning Flappy Bird Stars：1721 使用深度强化学习破解Flappy Bird游戏(深度 Q-学习). ### 35.dl-setup Stars：1607 在深度学习机上设置软件说明。 ### 36.Chainer Stars：1573 一款灵活的深度学习神经网络框架。 Chainer是深度学习的框架，Chainer在深度学习的理论算法和实际应用之间架起一座桥梁。它的特点是强大、灵活、直观，被认为是深度学习的灵活框架。 ### 37.Neural Story Teller Stars：1514 看图讲故事的递归神经网络模型。 ### 38.DIGITS Stars：1353 深度学习GPU训练系统。 ### 39.Deep Jazz Stars：1229 基于Keras和Theano生成jazz的深度学习模型！ ### 40.Tiny DNN Stars：1183 仅引用头文件，无依赖且使用 C ++ 11 的深度学习框架 ### 41.Brainstorm Stars：1143 快速、灵活、有趣的神经网络。 ### 42.dl-docker Stars：1044 一个用于深度学习的一体化 Docker 镜像。 包含所有流行的 DL 框架（TensorFlow，Theano，Torch，Caffe等）。 ### 43.Darknet Stars：937 C语言版本的开源神经网络。 ### 44.Theano Tutorials Stars：904 基于Theano的机器学习入门教程，从线性回归到卷积神经网络。 ### 45.RNN Music Composition Stars：904 一款生成古典音乐的递归神经网络工具。 ### 46.Blocks Stars：866 用于构建和训练神经网络模型的Theano框架 ### 47.TDB Stars：860 TensorFlow的交互式、节点调试和可视化的工具。 TensorDebugger (TDB) 是深度学习调试器，使用断点和计算机图形化实时数据流可视化扩展 TensorFlow（谷歌的深度学习框架）。特别的是，TDB 是一个 Python 库和 一个 Jupyter Notebook 扩展的结合，构建 Google 的 TensorFlow 框架。 ### 48.Scikit Neural Net Stars：849 深度神经网络入门工具，类似scikit-learn的分类器和回归模型。 ### 49.Veles Stars：760 分布式机器学习平台(Python, CUDA, OpenCL) VELES 是分布式深度学习应用系统，用户只需要提供参数，剩下的都可以交给 VELES。VELES 使用 Python 编写，使用 OpenCL 或者 CUDA，利用基于 Flow 的编程。它是三星开发的另一个 TensorFlow。 ### 50.Deep Detect Stars：759 基于C++11的深度学习接口和服务器，与Python绑定并支持Caffe。 ### 51.TensorFlow DeepQ Stars：759 基于Google Tensorflow的深度Q学习演示。 ### 52.Caffe on Spark Stars：724 基于Spark的Caffe。 雅虎认为，深度学习应该与现有的支持特征工程和传统（非深度）机器学习的数据处理管道在同一个集群中，创建CaffeOnSpark意在使得深度学习训练和测试能被嵌入到Spark应用程序中。CaffeOnSpark被设计成为一个Spark深度学习包。 ### 53.Nolearn Stars：702 神经网络库的抽象，著名的Lasagne。 54.DCGAN TensorFlow Stars：568 基于tensorflow实现的深度卷积生成对抗网络。 ### 55.MatConvNet Stars：479 MATLAB CNN 计算机视觉应用工具箱。 ### 56.DeepCL Stars：413 用于训练深度卷积神经网络模型的OpenCL库。 ### 57.Visual Search Server Stars：304 可视化搜索服务器。一个简单使用TensorFlow，InceptionV3模型和AWS GPU实例实现的视觉搜索服务器。 代码实现两个方法，一个处理图像搜索的服务器和一个提取pool3功能的简单索引器。 最近邻搜索可以使用近似（更快）或使用精确方法（更慢）以近似方式执行。 ------------ 感谢作者分享 >**数据人网**是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。 **平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。** 您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。 **我们努力坚持做原创，分享和传播数据知识干货！** 我们都是数据人，数据是有价值的，坚定不移地利用数据价值创造价值！